《Python数据挖掘与机器学习实战》—1.2 机器学习的发展历程

1.2  机器学习的发展历程

       机器学习属于人工智能中一个较为“年轻”的分支，大致可以分为以下3个发展阶段。

　　第一阶段：20世纪50年代中期到60年代中期，这一时期处于萌芽时期。人们试图通过软件编程来操控计算机完成一系列的逻辑推理功能，进而使计算机具有一定程度上类似于人类的智能思考能力。然而这一时期计算机所推理的结果远远没有达到人们对机器学习的期望。通过进一步研究发现，只具有逻辑推理能力并不能使机器智能。研究者们认为，使机器拥有人工智能的前提，必须是拥有大量的先验知识。

　　第二阶段：20世纪60年代中期到80年代中期，这一时期处于发展时期。人们试图利用自身思维提取出来的规则教会计算机执行决策行为，主流之力便是各式各样的“专家系统”。然而这些系统总会面临“知识稀疏”的问题，即面对无穷无尽的知识与信息，人们无法总结出万无一失的规律。因此，让机器自主学习的设想自然地浮出水面。基于20世纪50年代对于神经网络的研究，人们开始研究如何让机器自主学习。

　　第三阶段：20世纪80年代至今，机器学习达到了一个繁荣时期。由于这一时期互联网大数据及硬件GPU的出现，使得机器学习突破了瓶颈期。机器学习开始呈现“爆炸”式发展趋势，逐渐成为了一门独立的热门学科，并且被应用到各个领域中。各种机器学习算法不断涌现，而利用深层次神经网络的深度学习也得到了进一步发展。同时，机器学习的蓬勃发展还促进了其他分支的出现，如模式识别、数据挖掘、生物信息学和自动驾驶等。